用于函数数据分类的支持向量机
统计理论
2007-05-23 v1 机器学习
统计理论
摘要
在许多应用中，输入数据是取值于无限维空间的采样函数，而非标准向量。这一事实对数据分析算法产生了复杂的影响，从而促使对其进行改进。事实上，大多数用于回归、分类和聚类的传统数据分析工具都已针对函数型输入进行了适配，统称为函数型数据分析（Functional Data Analysis, FDA）。本文研究了支持向量机（SVMs）在函数型数据分析中的应用，并聚焦于曲线判别问题。SVM 是基于大间隔的分类工具，它通过核函数将所考虑的数据隐式地非线性映射到高维空间。我们展示了如何定义简单的核函数以考虑数据的函数性质，并实现一致分类。在真实世界数据上进行的实验强调了考虑问题某些函数方面的好处。
引用
@article{arxiv.0705.0209,
title = {Support vector machine for functional data classification},
author = {Fabrice Rossi and Nathalie Villa},
journal= {arXiv preprint arXiv:0705.0209},
year = {2007}
}
评论
13 pages